Recibido: 03/11/2017 REVISTA DE TELEDETECCIÓN

Aceptado: 22/11/2017 Asociación Española de Teledetección

(2017) 50, 49-57
ISSN 1133-0953
EISSN 1988-8740
https://doi.org/10.4995/raet.2017.8896

CASO PRÁCTICO

Aplicación de imágenes Sentinel-1 y Sentinel-2 en la

detección y delineación de información de crisis de desastres
naturales en el marco de los servicios Copernicus EMS
Donezar-Hoyos, U.*, Larrañaga-Urien, A., Tamés-Noriega, A., Sánchez-Gil, C.,
Albizua-Huarte, L., Ciriza-Labiano, R., del Barrio-Arellano, F.

Tracasa. Departamento de Ingeniería y Sistemas Territoriales. C/ Cabárceno, 6. 31621 Sarriguren. Navarra. España.

Resumen: El principal objetivo de este trabajo ha consistido en analizar la aplicabilidad de la incorporación de imáge-
nes Sentinel-1 y Sentinel-2 en los flujos de trabajo para obtener información de crisis de diferente naturaleza, así como
su aplicación en la detección y monitorización de dichos eventos. Sentinel es un programa de observación de la tierra
que está siendo desarrollado por la Agencia Espacial Europea (ESA) en el marco del programa Copernicus operativo
desde abril de 2012, previamente denominado Global Monitoring for Environment and Security (GMES). Consta de seis
misiones, de las cuales en estos momentos están activas tres, Sentinel-1 que proporciona imágenes radar, Sentinel-2
que proporciona imágenes ópticas de Alta Resolución y Sentinel-3, que proporciona servicios globales de vigilancia
terrestre, atmosférica, de gestión de emergencias y seguridad y de la criosfera. En el presente artículo, se muestra la
aplicación práctica de los datos radar Sentinel-1 en la detección de zonas inundadas y su uso para la detección de
cambios por medio de análisis MultiTemporal de Coherencia (MTC) de imágenes radar para la delimitación de incen-
dios y monitorización de flujos de lava. Respecto a Sentinel-2, se explotan las capacidades que proporciona su alta
resolución espectral para la delimitación de incendios mediante el cálculo de diferencias de índices de vegetación
entre las imágenes pre- y post-evento. Los resultados usando Sentinel-1 y Sentinel-2 se han comparado, en todos los
casos, con resultados obtenidos a partir de imágenes de mayor resolución espacial, tanto ópticas como radar. Los
buenos resultados de estas comparaciones demuestran la utilidad de imágenes Sentinel para los 3 casos estudiados.
Palabras clave: emergencias, Sentinel-1, Sentinel-2, MTC, incendios, monitorización de flujos de lava, inundaciones.

Applicability of Sentinel-1 and Sentinel-2 images for the detection and delineation of crisis
information in the scope of Copernicus EMS services
Abstract: This study shows the inclusion of Sentinel-1 and Sentinel-2 images in the workflows to obtain of crisis infor-
mation of different types of events and their applicability in the detection and monitoring of those events. Sentinel is an
Earth Observation (EO) program that is currently being developed by the European Space Agency (ESA) in the scope of
the Copernicus program operative since April 2012, formerly known as Global Monitoring for Environment and Security
(GMES). This program comprises six missions, out of which three are active, Sentinel-1 that provides radar images,

To cite this article: Donezar-Hoyos, U., Larrañaga-Urien, A., Tamés-Noriega, A., Sánchez-Gil, C., Albizua-Huarte, L., Ciriza-Labiano, R.,
del Barrio-Arellano, F. 2017. Applicability of Sentinel-1 and Sentinel-2 images for the detection and delineation of crisis information in the scope
of Copernicus EMS services. Revista de Teledetección, 50, 49-57. https://doi.org/10.4995/raet.2017.8896
*
Autor para la correspondencia: udonezar@tracasa.es
Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) 49
 Donezar-Hoyos et al.

Sentinel-.2 providing High Resolution optical images and Sentinel-3 developed to support GMES ocean, land, atmos-
pheric, emergency, security and cryospheric applications. The present paper describes the use of Sentinel-1 radar to
detect and delineate flooded areas, and the MultiTemporal Coherence (MTC) analysis applied with pre and post-event
images to delimit and monitor burnt areas and lava flows. With respect to Sentinel-2, its high spectral resolution bands
allowed the delineation of burnt areas by calculating differences of vegetation and burnt indices using pre and post-
event images. Results using Sentinel-1 and Sentinel-2 data were compared with results using higher spatial resolution
images, both optical and radar. In all cases, the usability of Sentinel images was proven.
Key words: emergency, Sentinel-1, Sentinel-2, MTC, forest fires, lava flow monitoring, floods.

1. Introducción crisis, tales como mapas de susceptibilidad ante

terremotos, e incluso la creación de cartografía de
La respuesta a emergencias supone un reto a la referencia en zonas del mundo que carezcan de
hora de gestionar los recursos tanto en los mo- ella. En el contexto del post-evento, el objetivo
mentos inmediatamente posteriores, como en es la elaboración de mapas que puedan ayudar en
el proceso de recuperación y valoración de los la recuperación y en la evaluación de daños, tales
daños. La cartografía de emergencias se define como mapas de zonas dañadas por un incendio.
como “la creación de mapas, productos de geo-
Con el fin de asegurar la mejora continua de
información y análisis espaciales dedicados a
ambos servicios y hacer un seguimiento de su
dar una visión de la situación de la emergencia e
evolución, se creó el Copernicus EMS Mapping
información de crisis inmediata para la respuesta
Validation, que es el servicio dentro del sistema
mediante la extracción de información geográfica
Copernicus EMS encargado de la verificación
de referencia (pre-evento) y de crisis (post-evento)
de los resultados obtenidos por los diferentes
de imágenes de satélite o aéreas” (IWG-SEM,
servicios de producción de mapas. Lo activa la
2015). Para ello, la información de satélite ha
Comisión Europea, aunque puede estar sugerido
demostrado ya su utilidad, en programas tales
por los usuarios autorizados. Consta de tres módu-
como Copernicus Emergency Management
los interconectados que se pueden activar juntos o
Service (Copernicus EMS), operativo desde abril
por separado: Módulo 1, en el cual se recoge in-
de 2012 e International Charter Space and Major
formación de referencia en campo; Módulo 2, que
Disasters, operativo desde 2000.
engloba la validación temática de los productos
Copernicus EMS consta de dos servicios de pro- estudiados; y Módulo 3, que es la evaluación de
ducción de mapas, Rapid Mapping y Risk and los productos, incluyendo el análisis del impacto
Recovery Mapping, que activan los diferentes de éstos por parte de los usuarios finales.
usuarios autorizados, integrados por los servicios
Es en el contexto del servicio Copernicus EMS
encargados de la gestión de emergencias de cada
Mapping Validation, en concreto en los Módulos
estado miembro de la Unión Europea, denomi-
2 y 3, donde se ha probado la utilidad y aplicabi-
nados National Focal Points, y por los servicios
lidad de los productos Sentinel-1 y Sentinel-2 en
de la Comisión Europea, Emergency Response
la gestión de emergencias usando información de
Coordination Centre (ERCC) y los servicios de la
referencia obtenida de imágenes de mayor resolu-
Unión Europea, European External Action Service
ción espacial para su validación. El objetivo era la
(EEAS) para las crisis que se producen fuera del
verificación de que ambas fuentes de datos repre-
ámbito europeo.
sentan fuentes de datos fiables para la creación de
El servicio Rapid Mapping se encarga de la pro- información de crisis.
ducción de mapas para dar respuesta a corto plazo
Así, se ha testado la utilidad de imágenes radar
a una crisis concreta con el fin de ayudar en la
Sentinel-1 en la detección y monitorización de
gestión de dicha crisis. El segundo servicio, Risk
inundaciones. Además, se han realizado clasifi-
and Recovery Mapping, tiene un doble objetivo.
caciones automáticas de composiciones en color
En el contexto del pre-evento, el objetivo es la
basadas en series MultiTemporales de Coherencia
elaboración de mapas de riesgos a determinadas

50 REVISTA DE TELEDETECCIÓN (2017) 50, 49-57

Aplicación de imágenes Sentinel-1 y Sentinel-2 en la detección y delineación de información de crisis de desastres
naturales en el marco de los servicios Copernicus EMS
(MTC) calculadas sobre imágenes multitem-
porales de Sentinel-1 para la delimitación y
monitorización de flujos de lava e incendios. Los
estudios de MTC se beneficiaron de las capacida-
des que ofrece el periodo de revisita de Sentinel-1,
12 días en el caso de usar Sentinel-1A, y 6 desde
que en abril de 2016 se lanzara su satélite gemelo,
el Sentinel-1B. Estos periodos cortos permiten
tener imágenes pre- y post-evento cercanas a la
fecha de la emergencia, lo cual permite inferir que
los cambios en coherencia se deben solamente al
evento de crisis. Por último, se aprovechó la alta
resolución espectral del satélite Sentinel-2, que
toma datos en 13 bandas, 9 de ellas en las zonas
visible e infrarrojo cercano del espectro, con un
periodo de revisita de 10 días.
2. Material y métodos
Los análisis se realizaron con imágenes Sentinel-1
y Sentinel-2 de diferentes fechas y los resultados
obtenidos se compararon con resultados derivados
de imágenes VHR ópticas, en la evaluación de
daños de las siguientes emergencias:
• Detección de incendios
• Delimitación de lava
• Delimitación de inundaciones
2.1. Aplicación en detección de incendios
Se testó la capacidad de imágenes Sentinel-1 (S-1)
y Sentinel-2 (S-2) para la detección y delimitación
de zonas quemadas a consecuencia de un incen-
dio declarado el 25/08/2016 en los municipios de
Pueyo y Tafalla en Navarra, que afectó principal-
mente a zonas forestales y agrícolas. Los resultados
obtenidos con cada uno de los sensores, aplicando
técnicas adecuadas a la naturaleza de sus respec-
tivas medidas, se validaron con la delimitación de
la zona quemada obtenida a partir de una imagen
Tabla 1. Resumen de material y métodos usados en el estudio de la delimitación de zonas quemadas.
Sensor Fecha
Sentinel-1 20/08/2016
01/09/2016
Sentinel-2 22/08/2016
02/09/2016
Pléiades 07/09/2016
* GSD de las bandas usadas.
óptica Pléiades y se disgregaron según el uso de
suelo del Mapa de Cultivos y Aprovechamientos
(MCA) de Navarra de 2012. La Tabla 1 resume las
imágenes utilizadas, el tamaño de pixel (GSD, del
inglés Ground Sampling Distance) y la metodolo-
gía usada en cada caso para delimitar el incendio.
La delimitación mediante Sentinel-1 se realizó a par-
tir de un par interferométrico con un nivel de proce-
samiento Single Look Complex, donde se mantiene
la información de la fase, necesaria para la obtención
de la imagen de coherencia. Con este par se obtu-
vo una imagen MTC a partir de la cual se extrajo
automáticamente el área quemada mediante una cla-
sificación supervisada a nivel de objeto utilizando
el software Feature Analyst. Este software usa un
proceso de aprendizaje jerárquico para segmentar
una imagen en base a categorías determinadas por
el usuario (Overwatch Systems, Ltd., 2013). El flu-
jo de trabajo hasta la obtención de la imagen MTC
fue íntegramente realizado con el software gratuito
Sentinel Application Platform (SNAP), ver Figura 1.
La detección usando Sentinel-2 se basó en el cál-
culo de la diferencia del Burnt Area Index (∆BAI)
entre el pre-y el post-evento. El BAI se calcula
según la Ecuación 1.
BAI=1/((0,1-rRED)2+(0,06-rNIR)2)(1)
donde:
rRED= Reflectancia de la banda del rojo (665 nm).
rNIR= Reflectancia de la banda del infrarrojo cer-
cano (842 nm).
El área quemada se identificó mediante una cla-
sificación automática a nivel de objeto realizada
sobre la imagen ∆BAI y revisada y editada usando
la imagen Sentinel-2 post-evento.
La delimitación de las zonas quemadas usando
la Pléiades del 07/09/2016 se realizó calculando
el BAI y clasificando la imagen resultante con
GSD Método
15m MTC y clasificación automática
10m* ∆BAI y clasificación automática
0,5m BAI y clasificación automática
ASOCIACIÓN ESPAÑOLA DE TELEDETECCIÓN 51
 Donezar-Hoyos et al.

Figura 1. Flujo de trabajo de la obtención de la imagen MTC a partir de imágenes Sentinel-1.

Feature Analyst. El resultado se suavizó y se foto- flujo de trabajo de la Figura 1, de la que se derivó la
interpretó para eliminar errores groseros. mancha de lava por medio de clasificación super-
visada a nivel de objeto realizada con el software
Los resultados se compararon por pares con el fin
Feature Analyst seguida de fotointerpretación para
de analizar la influencia del tipo de imagen y de
eliminar los errores más groseros. La Figura 2
la resolución espacial en la delimitación de áreas
muestra la composición RGB de la imagen MTC
quemadas. Además, los resultados obtenidos se
sobre la que se realizó la clasificación automática,
estudiaron según los usos de suelo con el fin de
donde en el Rojo y Verde se muestran la imagen
establecer en qué usos es más fácil detectar zonas
de amplitud pre- y post-evento respectivamente y
quemadas.
en el Azul la coherencia. La mancha de la colada
de lava es claramente visible en verde sobre fondo
2.2. Aplicación en delimitación de lava azul.
Se evaluó la utilidad de las imágenes Sentinel-1 La mancha se comparó con la extraída por fotoin-
para la delimitar la colada de lava de una erup- terpretación de una imagen WorldView-2 (WV-2)
ción volcánica en la isla de Fogo, Cabo Verde, del 09/12/2014.
que comenzó el 23/11/2014 y se prolongó hasta
el 08/02/2015. Para ello se adquirió una imagen
Sentinel-1 pre-evento del 03/11/2014 y una post-
evento del 09/12/2014, ambas con GSD=15 m. A
partir de ellas se calculó la imagen MTC según el

52 REVISTA DE TELEDETECCIÓN (2017) 50, 49-57

Aplicación de imágenes Sentinel-1 y Sentinel-2 en la detección y delineación de información de crisis de desastres
naturales en el marco de los servicios Copernicus EMS

Figura 2. Composición RGB sobre la que se realizó la clasificación automática de la colada de lava.

2.3. Aplicación en delimitación de provocada por lluvias abundantes y constantes

inundaciones
Se testaron las capacidades de imágenes Sentinel-1
adquiridas en polarización Vertical-Horizontal
(VH) para detectar zonas inundadas. A pesar
de que la polarización Horizontal-Horizontal
(HH) es más apropiada en la detección de agua
(Henry, 2006), ésta no siempre está disponible en
Sentinel-1. La mancha de agua se comparó con
manchas de agua obtenidas de fuentes de mayor
resolución espacial, COSMO-SkyMed (CSK)
con polarización HH y fotografías aéreas RGB.
Los estudios se llevaron a cabo en dos zonas con
diferentes morfologías del terreno que habían
sufrido inundaciones de características diferentes.
La primera se trató de una inundación extensa
que duró meses en gran parte de Irlanda, en un
terreno muy llano y sobre suelos saturados de
agua. La segunda fue una inundación rápida en
una zona del delta del Mississippi, provocada
por una tormenta de verano especialmente fuerte
y que resultó en una crecida rápida del río y en
una igualmente rápida bajada del nivel del agua.
Además, mientras que las zonas afectadas por
la inundación de Irlanda son amplios campos de
cultivos o de pastos con núcleos urbanos concen-
trados, la zona afectada del delta del Mississippi
es un núcleo urbano extenso formado mayormente
por casas unifamiliares y masas arbóreas dentro de
la ciudad. La Tabla 2 muestra un resumen de los
datos considerados.

Tabla 2. Resumen de las imágenes Sentinel-1 y datos usados para la comparación para el estudio de zonas inundadas.

Imagen Sentinel-1
Pol VH a10m Datos de comparación
Fecha Sensor Fecha GSD Terreno
13/12/2015 CSK 13/12/2015 5 m Llano
HH Sin árboles
Urbano concentrado
19/08/2016 Fotos aéreas 18/08/2016 ~0,1 m Llano
Con árboles
Urbano diseminado

ASOCIACIÓN ESPAÑOLA DE TELEDETECCIÓN 53

 Donezar-Hoyos et al.
Las imágenes Sentinel-1 se procesaron con el
software SNAP. La mancha de agua se obtuvo me-
diante clasificación supervisada a nivel de objeto
utilizando el software Feature Analyst seguida de
una edición semiautomática usando datos auxi-
liares tales como Modelos Digitales del Terreno
(MDT) para descartar zonas no susceptibles de
inundación. La edición se completó de forma ma-
nual en algunas zonas.
La mancha de agua proveniente de las fotografías
aéreas se obtuvo mediante fotointerpretación,
usando imágenes pre-evento disponibles en el
mapa base de ArcGIS (© Microsoft (2012) dis-
tribuido por ESRI World Imagery) para tener una
idea de las características de la zona antes de la
inundación.
La mancha de agua a partir de COSMO-SkyMed
se obtuvo mediante extracción automática utili-
zando el software Feature Analyst sobre la imagen
del coeficiente backscatter seguida de fotointer-
pretación para eliminar errores groseros.
3. Resultados
Los resultados obtenidos y su análisis se pre-
sentan para cada emergencia en las siguientes
subsecciones.
Figura 3. Resultados de la comparación de la superficie obtenida mediante diferentes métodos y con diferentes fuente de
datos.
54 REVISTA DE TELEDETECCIÓN (2017) 50, 49-57
3.1. Resultados en la aplicación en
detección de incendios
El resultado de la utilización de las imágenes
Sentinel-1 se comparó contra el resultado de la
utilización de imágenes Sentinel-2 y Pléiades para
valorar las diferencias dependiendo de si se usa
una imagen radar u óptica de similar resolución
espacial o de si se usa una imagen radar u ópti-
ca VHR. Además se comparó el resultado de la
utilización de Sentinel-2 con el resultado de la
utilización de Pléiades para ver el efecto de la dife-
rencia de resolución espacial. La Figura 3 muestra
los resultados de la comparación, con los errores
de omisión representados en verde, los errores de
comisión en rosa y la concordancia en blanco.
La Tabla 3 muestra la delimitación de zonas
quemadas dependiendo de las imágenes usadas y
la superficie detectada desagregada por usos del
suelo según el MCA de 2012.
Los usos forestales son donde mejor se detecta la
zona quemada a partir de Sentinel-1. Dado que la
metodología seguida con radar se basa en cambios
en las características de las cubiertas observadas,
los resultados eran los esperables. Como los culti-
vos herbáceos ya estaban cosechados en la fecha
del incendio, el fuego pasó por parcelas de suelo
desnudo sin cambiar sus características. Los usos
forestales, que sí tenían hojas en el momento del
Aplicación de imágenes Sentinel-1 y Sentinel-2 en la detección y delineación de información de crisis de desastres
naturales en el marco de los servicios Copernicus EMS

Tabla 3. Superficie quemada detectada dependiendo de la resultados de esta comparación son similares a los
imagen usada desagregada por uso en la delimitación de de la comparación en términos de acuerdo hecha
zonas quemadas. con datos de Sentinel-1 y 2, aunque hay que resal-
Sentinel-1 Sentinel-2 Pléiades tar que los errores de comisión bajan notablemente
Cultivos herbáceos (ha) cuando se comparan los resultados derivados de
1.161,14 1.810,86 1.003,33 Sentinel.
Cultivos leñosos (ha)
16,91 17,05 10,25 3.2. Resultados en la aplicación en
Forestal arbolado (ha)
306,14 428,14 396,42 delimitación de lava
Forestal no arbolado (ha) La Figura 3 muestra los resultados de acuerdo,
899,24 1.015,22 937,34 omisión y comisión del cruce de la delimitación
Improductivo (ha)
de lava obtenida mediante procesamiento de ra-
41,75 44,24 0
TOTAL
dar comparada con la información obtenida por
2.425,18 3.315,52 2.347,34 fotointerpretación de imagen WorldView-2. La
imagen de fondo de la figura se corresponde con
el mapa base de ArcGIS (© Microsoft (2012) dis-
incendio, sufrieron más cambio y por tanto se tribuido por ESRI World Imagery).
detectan mejor en el análisis MTC.
La Tabla 4 muestra los porcentajes de acuerdo,
omisión y comisión para el total de las capas
cruzadas. En los cruces se tomó como dato de re-
ferencia el resultado obtenido con Sentinel-2 en la
primera comparación y los resultados con Pléiades
para la segunda y tercera.

Tabla 4. Porcentajes de acuerdo, omisión y comisión to-

tales para las capas cruzadas en la delimitación de zonas
quemadas.

Acuerdo Omisión Comisión

(%) (%) (%)
Sentinel-1 vs. Sentinel-2 69,15 30,85 5,46
Sentinel-1 vs. Pléiades 73,76 26,24 28,61
Sentinel-2 vs. Pléiades 99,49 0,51 29,57

Figura 4. Resultado de la comparación de la delimitación

El mayor porcentaje de acuerdo se obtuvo en la
comparación entre las dos imágenes ópticas, aun-
que los errores de comisión ascienden a casi el
30%. Estos errores se deben principalmente a zo-
nas de cultivo que en la clasificación automática
de Sentinel-2 se consideraron quemadas pero no
así en la Pléiades. El segundo mejor resultado en
términos de porcentaje de acuerdo se observa en la
comparación de Sentinel-1 con Pléiades. Los
de lava por medio de análisis MTC de imágenes Sentinel-1
y fotointerpretación de imagen VHR óptico.
La Tabla 5 muestra los resultados de la validación
del flujo de lava derivado de Sentinel-1 contra el
derivado de WorldView-2.
Los resultados indican un muy alto nivel de
concordancia entre los datos (Altman, 1991). La

Tabla 5. Porcentajes de acuerdo, omisión y comisión totales para las capas cruzadas en la delimitación de colada de lava.

Cruce Precisión temática (%) Coeficiente kappa Omisión (%) Comisión (%)
Sentinel-1 vs. WV-2 99 0,90 9 12

ASOCIACIÓN ESPAÑOLA DE TELEDETECCIÓN 55

 Donezar-Hoyos et al.

Tabla 6. Resultados de la validación de zonas inundadas detectadas usando Sentinel-1.

Cruce AOI Precisión temática (%) Coeficiente kappa Omisión (%) Comisión (%)
Sentinel-1 vs. CSK 1 95 0,77 29 10
2 95 0,77 28 9
3 98 0,64 49 10
Sentinel-1 vs. Fotos aéreas 98 0,14 90 70

mayoría de las diferencias se dieron en las zonas
de borde de las capas, influidas por las diferen-
cias en la resolución espacial de las imágenes y
en la metodología de extracción seguida. Además
se observó una gran mancha correspondiente a
errores de comisión en la zona de la fisura, que
da una respuesta confusa en el análisis MTC, ver
Figura 2. En esta zona la coherencia entre las imá-
genes Sentinel-1 pre-evento y post-evento es muy
baja, ya que a pesar de ser una zona situada ladera
arriba, hacia el cono principal del volcán, sobre
ella se depositan materiales expulsados por el
volcán, cambiando las características del terreno.
3.3. Resultados en la aplicación en
delimitación de inundaciones
La Tabla 6 muestra los resultados obtenidos en la
comparación de manchas de agua derivadas de
datos Sentinel-1 y de otros sensores. La compa-
ración de los datos Sentinel-1 y COSMO-SkyMed
se realizó en 3 zonas de interés (AOI, del inglés
Area Of Interest) diferentes con mismas caracte-
rísticas del terreno.
Los resultados indican un buen nivel de concor-
dancia entre los datos obtenidos mediante radar,
con coeficientes de kappa superiores a 0,64, mien-
tras que la comparación con la mancha de agua
proveniente de fotointerpretación arroja un nivel
de concordancia pobre, con un kappa de 0,14
(Altman, 1991). La Figura 5 muestra dos zonas de
detalle de la comparación hecha para Sentinel-1 y
COSMO-SkyMed del 13/12/2015. Como se puede
ver en la misma, hay errores de omisión (marcados
en verde) debidos por un lado a la diferencia de
resolución espacial y por otro a la diferencia en la
polarización de las imágenes utilizadas. Mientras
que la menor resolución espacial de Sentinel-1

Figure 5. Ejemplos de omisiones y comisiones en dos zonas de detalle para la comparación de manchas de inundación
derivadas de Sentinel-1 (izquierda) y COSMO-SkyMed (derecha).

56 REVISTA DE TELEDETECCIÓN (2017) 50, 49-57

Aplicación de imágenes Sentinel-1 y Sentinel-2 en la detección y delineación de información de crisis de desastres
naturales en el marco de los servicios Copernicus EMS
lleva a que zonas pequeñas sean omitidas, la dife-
rencia en polarización hace que haya zonas que en
COSMO-SkyMed den una respuesta inequívoca
de agua, mientras que en Sentinel-1 aparecen
menos resaltadas y por tanto se confunden más
fácilmente con zonas sin agua.
Por otro lado, cabe destacar las omisiones para la
categoría inundado en la comparación realizada
entre capas de inundación derivadas por medio de
Sentinel-1 y la derivada por fotointerpretación de
imágenes aérea, de 90%. Éstas se deben en parte a
limitaciones propias del radar en zonas arboladas
o con edificios, que generan una respuesta muy
diferente a la del agua, y por tanto enmascaran la
señal de retorno del agua y en parte a la diferencia
de fecha de las imágenes usadas. Al analizar los
resultados se observaron zonas amplias y despeja-
das claramente inundadas en las fotografías aéreas
que no daban una respuesta de agua en la imagen
radar, de lo que se deduce que la mayor parte del
agua retrocedió de un día para otro.
4. Discusión
La delimitación de zonas quemadas mediante el
análisis de imagen radar MTC da unos resultados
muy buenos en las zonas forestales, lo cual abre
la posibilidad de su uso en evaluación de daños.
Los resultados para zonas de suelo desnudo o sin
vegetación muestran que en esas zonas su aplica-
bilidad es menor. Sin embargo, habría que tener
en consideración que los malos resultados para
los cultivos se debieron a que los cultivos estaban
ya recogidos en la fecha del incendio y que esa
zona era suelo desnudo. El acuerdo entre la zona
quemada delimitada con Sentinel-2 y Pléiades
demuestra que, a pesar de su menor resolución
espacial, su capacidad es muy reseñable. Dada la
zona estudiada y que el incendio fue muy locali-
zado geográficamente, la metodología se debería
probar en otras zonas y con otras condiciones.
La comparación entre la colada de lava delimitada
con Sentinel-1 y la derivada a partir de una ima-
gen óptica VHR mostró también la alta usabilidad
de estas imágenes y de la metodología testada.
Especialmente interesante es el hecho de poder
realizar todo el procesamiento con un software
de acceso gratuito como es SNAP. Las mayores
diferencias se debieron a la diferencias de resolu-
ción espacial y de la metodología utilizada. Sería
recomendable probar esta misma metodología en
otras zonas para poder establecer su aplicabilidad.
Respecto a la detección de zonas inundadas
mediante imágenes radar, hay tres conclusiones
a destacar. Primero, que en la comparación de
manchas de agua derivadas de imágenes radar, los
resultados obtenidos con Sentinel-1 son similares
a los obtenidos con COSMO-SkyMed a pesar de
no tener la primera disponible la polarización HH
y a tener una resolución espacial más baja, lo cual
amplía su uso en la delimitación de inundaciones.
Segundo, que la morfología del terreno puede
influir muy negativamente en los resultados,
ya que puede interferir en la señal obtenida con
radar. Tercero, que en el estudio de inundaciones
es indispensable hacer un estudio previo de la
dinámica del agua en la zona, que puede ayudar
a entender los resultados pero que además es una
información de gran valor en el refinamiento de la
mancha de agua clasificada automáticamente.
Referencias
Altman, D.G. (1991). Practical statistics for medical
research. New York. Chapman and Hall.
Brockmann Consult, Array Systems Computing y C-S.
2015. “SNAP – The Sentinels Application Platform”.
Earth Observation Open Science 2.0, ESRIN, 12 -
14 October 2015.
Copernicus http://www.copernicus.eu/main/sentinels.
Henry, J.-B. et al. (2006). “Envisat Multi-Polarized
ASAR Data for Flood Mapping.” International
Journal of Remote Sensing, 27(10), 1921-1929.
https://doi.org/10.1080/01431160500486724
International Working Group on Satellite based
Emergency Mapping (IWG-SEM) Emergency
Mapping Guidelines, Working Paper (v1.0), 2015.
Disponible en http://www.unspider.org/sites/default/
files/IWG_SEM_EmergencyMappingGuidelines_
v1_Final.pdf. Último acceso: diciembre de 2017.
Martín, M. (1998). Cartografía e inventario de
incendios forestales en la Península Ibérica a
partir de imágenes NOAA-AVHRR. Doctoral thesis,
Universidad de Alcalá, Alcalá de Henares.
Overwatch Systems, Ltd. 2000-2013. Feature Analyst
Tutorial.
ASOCIACIÓN ESPAÑOLA DE TELEDETECCIÓN 57